摘要： 何为Tesseract？Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封。数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重 阅读全文

摘要： 基本概念： Spark作为新一代大数据计算引擎，因为内存计算的特性，具有比hadoop更快的计算速度。是一个分布式计算框架，旨在简化运行于计算机集群上的并行程序的编写。RDD：是spark核心数据处理模型，弹性分布式数据集(Resilient Distributed Dataset)是分布式内存的一 阅读全文

摘要： Hive和数据库除了拥有类似的查询语言，再无类似之处。 数据库可以用在Online的应用中，但是Hive是为数据仓库而设计的（由于数据的访问延迟较高，决定了 Hive 不适合在线数据查询。） 1. 由于 Hive 是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive 中不支持对数据 阅读全文